preg_match_all：获取引号内的文本，除了 html 标签答案

【问题标题】：preg_match_all: get text inside quotes except in html tagspreg_match_all：获取引号内的文本，除了 html 标签
【发布时间】：2013-09-25 14:19:19
【问题描述】：

我最近使用了一种模式，用开/关双引号对替换直双引号。

$string = preg_replace('/(\")([^\"]+)(\")/','“$2”',$string);

当 $string 是一个句子，甚至是一个段落时，它也能正常工作。

但是……

我的函数可以被调用来处理一大块 HTML 代码，但它不再像例外一样工作了：

$string    = preg_replace('/(\")([^\"]+)(\")/','“$2”','<a href="page.html">Something "with" quotes</a>');

<a href=“page.html”>Something “with” quotes</a>

这是个问题……

所以我想我可以分两次完成：提取标签中的文本，然后替换引号。

我试过了

$pattern='/<[^>]+>(.*)<\/[^>]+>/';

如果字符串是

，它就可以工作

$string='<a href="page.html">Something "with" quotes</a>';

但它不适用于以下字符串：

$string='Something "with" quotes <a href="page.html">Something "with" quotes</a>';

有什么想法吗？

伯特兰

【问题讨论】：

THE PONY HE COMES
@Kolink 我知道这会出现。这就是为什么我建议使用 simplexml 并且只将其应用于文本而不是属性。
我必须“清理”的字符串在 90% 的情况下是文本字段的值，在某些情况下，您在其中有“位”的 html 代码。这就是解析不合适的原因。
在'Something "with quotes <a href="page.html">Something "with" quotes</a>' 的情况下，期望的输出应该是什么？ 'Something “with quotes <a href="page.html">Something ”with" quotes</a>' 或 'Something "with quotes <a href="page.html">Something “with” quotes</a>' ?

标签： html regex tags quotes

【解决方案1】：

我猜通常回复...因为它已经是pointed out，您不应该通过正则表达式解析HTML。您可以查看PHP Simple DOM Parse 以提取文本并应用您的正则表达式，从您已经说过的内容来看，这似乎工作得很好。

This 教程应该让你朝着正确的方向前进。

【讨论】：

谢谢，但是当我需要解析一些代码时，我正在使用解析器。在这种情况下，解析代码不会帮助我用其他字符替换某些字符。

【解决方案2】：

我很确定这将在一场激烈的战争中结束，但这很有效：

echo do_replace('<a href="page.html">Something "with" quotes</a>')."\n";
echo do_replace('Something "with" quotes <a href="page.html">Something "with" quotes</a>')."\n";

function do_replace($string){
    preg_match_all('/<([^"]*?|"[^"]*")*>/', $string, $matches);
    $matches = array_flip($matches[0]);

    $uuid = md5(mt_rand());
    while(strpos($string, $uuid) !== false) $uuid = md5(mt_rand()); 
    // if you want better (time) garanties you could build a prefix tree and search it for a string not in it (would be O(n)

    foreach($matches as $key => $value)
        $matches[$key] = $uuid.$value;

    $string = str_replace(array_keys($matches), $matches, $string);
    $string = preg_replace('/\"([^\"<]+)\"/','&ldquo;$1&rdquo;', $string);
    return str_replace($matches, array_keys($matches), $string);
}

输出（我将 “ 和 ” 替换为 “ 和 ”）：

<a href="page.html">Something “with” quotes</a>
Something “with” quotes <a href="page.html">Something “with” quotes</a>

使用 costum 状态机，您甚至可以在没有第一次替换的情况下完成它，然后再替换回来。我还是建议使用 Parser。

【讨论】：

我试过了，效果很好。谢谢。问题是，在 90% 的情况下，它只是我得到的一个字符串（来自文本输入的值），并且使用解析器处理一个字符串或几个标签实际上需要更多的工作。此正则表达式不适用于完整的 html 页面。

【解决方案3】：

我终于找到了办法：

提取可以在任何标签（如果有）内部或外部（之前、之后）的文本
使用回调逐对查找引号并替换它们。

代码

$string = preg_replace_callback('/[^<>]*(?!([^<]+)?>)/sim', create_function('$matches',  'return preg_replace(\'/(\")([^\"]+)(\")/\', \'“$2”\', $matches[0]);'), $string);

【讨论】：

【解决方案4】：

Bertrand，重新提出这个问题，因为它有一个简单的解决方案，可以让您一次性完成替换 - 无需回调。（在针对how to exclude patterns in regex 的一般问题进行一些研究时发现了您的问题。）

这是我们的简单正则表达式：

<[^>]*>(*SKIP)(*F)|"([^"]*)"

交替匹配的左侧完成<tags> 然后故意失败。右侧匹配双引号字符串，我们知道它们是正确的字符串，因为它们没有被左侧的表达式匹配。

这段代码展示了如何使用正则表达式（查看online demo底部的结果）：

<?php
$regex = '~<[^>]*>(*SKIP)(*F)|"([^"]*)"~';
$subject = 'Something "with" quotes <a href="page.html">Something "with" quotes</a>';
$replaced = preg_replace($regex,"“$1”",$subject);
echo $replaced."<br />\n";
?>

参考

How to match (or replace) a pattern except in situations s1, s2, s3...

【讨论】：